新万博体育

　　猫眼电影记者 胡玉梅 报道Q8X2R7L1T4J5M9B6W3

大语言模型（LLM）的「炼丹师」们，或许都曾面临一个共同的困扰：为不同任务、不同模型手动调整解码超参数（如 temperature 和 top-p）。这个过程不仅耗时耗力，而且一旦模型或任务发生变化，历史经验便瞬间失效，一切又得从头再来。

这种繁琐的试错过程，在许多研发团队的日常沟通中屡见不鲜，正如下图所展示的那样：

图 1：研发人员手动调整解码参数的日常。

一个灵魂拷问随之而来：为何不能让模型自己学会如何解码，从而实现真正的「端到端」？

事实上，各大模型厂商的 API 文档也印证了这一难题。以 DeepSeek 为例，其官方文档明确建议针对不同场景设置截然不同的 temperature 值，这使得单一的静态参数设置显得捉襟见肘。

图 2：不同任务需要不同的解码参数，这使得静态设置难以应对复杂多变的现实需求。

近日，由腾讯 AI Lab 的王琰研究员及其团队领衔，联合香港中文大学（深圳）唐晓莹教授及其博士生王志超给出了一个优雅的答案。他们推出了名为 AutoDeco 的全新架构，旨在彻底终结手动解码的「手工作坊」时代。这项研究《The End of Manual Decoding: Towards Truly End-to-End Language Models》，通过让模型动态预测并控制自身的解码参数，向着真正端到端的语言生成迈出了关键一步。

论文链接: https://huggingface.co/papers/2510.26697代码链接: https://github.com/Zacks917/AutoDeco模型链接: https://huggingface.co/collections/Jadeislaw/autodeco

图 3：AutoDeco 位居 Hugging Face Daily Papers 榜首

当前，尽管 LLM 本身已高度集成，但其生成过程的「最后一公里」—— 解码，仍然是一个独立于模型之外的、不可微的僵硬环节。研究团队形象地将其比作「手动挡变速箱」：无论引擎（LLM）多么强大，换挡（调参）依然依赖人工操作。

AutoDeco 的核心思想，就是为 LLM 装上「自动挡」。它通过在标准 Transformer 架构中引入两个超轻量的预测头，让模型在生成每一个 token 时，都能根据当前的上下文信息，动态地预测出最适合下一步生成的 temperature 和 top-p 值。其架构如下图所示：

图 4：AutoDeco（上）与传统手动解码（下）的对比。AutoDeco 将解码参数的预测无缝集成到模型的前向传播中，实现了动态自调节。

核心挑战与技术突破：如何训练一个没有「标准答案」的任务？

设想很美好，然而，一个关键的挑战摆在研究团队面前：如何训练这些预测头？在训练数据中，并不存在每一时刻「正确」的温度和 top-p 标签，这使得监督学习无从谈起。

为此，团队提出了一种创新的、完全端到端的训练策略。他们设计了一种新颖的可微分「软性 top-p」（soft top-p）机制，巧妙地替代了传统 top-p 采样中不可微的「硬截断」操作。该方法分为三步：

图 5：可微分的 soft top-p（橙色线）与传统的 hard top-p (绿色线)对比。Soft top-p 的平滑特性打通了从最终损失到解码参数预测头的梯度路径。

这一设计的巧妙之处在于，它使得从最终的「下一个词预测」损失到解码参数预测头的梯度能够顺畅回传。如此一来，模型便可以在标准的 Next Token Prediction 任务中，通过优化最终生成结果来「倒逼」自己学会如何动态调整解码策略，整个过程无需任何额外的标注数据。

AutoDeco 的惊人表现：三大亮点

通过在 Llama、Qwen、Deepseek 等多个主流模型家族上的广泛实验，AutoDeco 展现了其强大的能力：

卓越的性能与泛化能力

实验结果表明，AutoDeco 不仅稳定超越了传统的 Greedy Search 和 Default Sampling 等基线方法，其性能甚至能媲美、乃至超越了利用测试集进行精细调优的「神谕」基线（oracle-tuned baseline）。

图 6：AutoDeco 在多个数学和通用任务 benchmark 上均取得了 SOTA 性能，展现了其强大的泛化能力。

极致的效率与易用性

AutoDeco 的预测头设计极为轻量，其带来的额外推理延迟通常仅为 1.7%，内存开销也几乎可以忽略不计。对于开发者而言，接入 AutoDeco 模型仅需修改几行代码，即可享受「免费」的性能提升。

「言出法随」：开创性的自然语言控制能力

研究中最令人兴奋的发现之一，是 AutoDeco 涌现出的一种「通过自然语言控制解码」的能力。用户可以直接在 prompt 中通过自然语言下达指令，如「我希望答案更有创意」，模型便能「听懂」并自主地调高其预测的 temperature 和 top-p 值，整个过程清晰可见。

图 7：在不同指令下，AutoDeco 预测的 T/P 值变化。从左至右分别为：基线、高创造力指令（T/P 值自发升高）、高确定性指令（T/P 值自发降低）。

当然，作者坦言这种能力还不够完善，还做不到非常精准的控制。他们猜测实现细粒度、高精度的自然语言控制解码无法仅仅能通过微调 AutoDeco 模块做到，而是需要全参微调模型，这也被他们列为了 Future work 的重点。因此，作者没有放出带有自然语言控制能力的 AutoDeco heads 权重。

AutoDeco 在发布后迅速吸引全球 AI 社区的关注，在 Twitter 等社交平台上引发了顶尖学者、开发者和企业家的广泛热议和高度评价。

图 8：大模型社区对 AutoDeco 的广泛热议和高度评价。

目前，该团队已将论文、代码以及在多个主流模型上训练好的 AutoDeco heads 全面开源，包含适配于 Deepseek V3.1、Qwen3-235B、GPT-OSS-120B 等生产级大模型的版本。正如研究人员在分享中所说，这项工作旨在将研究者和开发者从繁琐的调参工作中解放出来，共同迈向一个更智能、更自动化的 AGI 新时代。

??时事1：玩pg电子有什么技巧

??11月04日,如何让“巴蜀文旅”迈向世界？重庆市政协委员建言献策,

　　坚持高起点编制规划，分阶段实施规划，严要求管理规划，多角度宣传规划，城乡一体的规划管理模式初步形成。规划编制步伐明显加快，完成了白河新区等新区开发项目、商业步行街等老城改造项目以及大桥路改建工程等道路景观建设项目的规划编制与实施，全县控规面积占规划区6以上，1000平方米以上地块建设项目修建性详规覆盖率达100，各项规划指标均居全市前列。城市配套功能得到完善，对中心城区农贸等各类专业市场和垃圾点等市政配套设施进行了规划选址，对部分规划项目进行了规划设计，对预留的绿地等公共用地严格规划控制，进一步优化了人居环境。规划管理成效显著，全年共查处各类违法建设案件120余起，依法拆除违法建筑2100余平方米;共查处公路沿线违法占地284宗，面积344?4亩，从而规范了用地和建设行为，为建设高品位的城镇打下了基础。

,世界杯买球比例。

??11月04日,李佩霞受贿案一审宣判,

　　五‘实施基础设施建设工程。

,KOK体育,天博网投平台,黄金报。

??时事2：乐虎国际平台登录

??11月04日,蓝花楹绽放昆明 紫色浪漫如梦似幻,

　　再次是“育好人”。授课教师不但有教书的责任，同样有育人的责任，我们遇到难题，不要轻易推给班主任，我们的课堂教学，我们教的那一门学科，那是我们自己的事。

,球棎足球比分007,百老汇电子游戏官网,火狐体育网下载app。

??11月04日,美官员：美国对也门胡塞武装目标发动新一轮袭击,

　　尊敬的各位、各位商会会员：

,足球世界杯 网站推荐,188体育在线开户,全民捕鱼下载安装。

??时事3：必博体育平台app

??11月04日,习言道｜我带来来自中国的三个信息,

　　“族长爷爷，你说的再详细一些。”小不点很渴望，想了解新万博体育：的过去以及强大如神祇般的凶兽。

,彩票官网下载app,BCE体育平台,六合神童A。

??11月04日,“2024爱沈阳”5大主题300余项活动开启沈阳文旅“春的乐章”,

　　“你果然是一个善良的孩子，没有被仇恨激的失去理智而嚷着要复仇。”柳树传音，而后又开口，道：“你失去了至尊骨，就不恨吗，而今的石毅必然光彩惊世，笼罩无尽神环，常人难以仰望。”

,老品牌金沙城,77必赢app,沙巴网投。

??时事4：新宝6下载官方网站

??11月04日,上海将率先开展智能网联汽车准入和上路通行试点,

　　从现在开始，从这里开始，从我们建立师生关系开始，我们就以共同的目标走到一起，我们的心跳就必须与集体的脉搏同步;我们的心弦必须与集体的和声共鸣;我们的心绪必须与集体的生息协调。我们是一个团结奋进，敢于拼搏的集体!我们的每颗心都是指南针，而集体的荣誉----高一五班的荣誉就是我们的磁南极!为此，我要把我的心掏给大家----

,ag真人百家家乐平台可微信,365网站平台网址,金世豪娱乐城。

??11月04日,中企将在巴西北里奥格兰德州投建1兆瓦绿氢项目,

　　二秃子直接吓傻了，喃喃道：“这不光是吓坏上古大能的节奏，估计太古的大家伙也要被吓一跳啊。”

?第二百二十三章 成交,MG电子赌场网站,世界杯买球比赛,世界杯正规买球网站。